自己整合性（Self-Consistency）は、同じ問題に対して複数の推論経路（答えの候補）を生成し、最も多く現れた結論を採用するプロンプト技法です。本記事はChain-of-Thoughtの書き方ではなく、「1本の推論」から「多数決」へ——精度を上げる考え方——に焦点を当てます。
試験で問われる見方
専用の一問一答IDは少ないですが、プロンプトエンジニアリングの技法の一つとして、複数回生成して一貫した答えを選ぶイメージで押さえます。
×：自己整合性＝アライメント（人間の価値への整合）。×：自己整合性＝RAGや外部検索。×：多数決すればハルシネーションが必ず消える。
自己整合性とは
1回の生成では、サンプリングのゆらぎで誤答になることがあります。自己整合性は、同じ質問を複数回（異なる推論パスで）解かせ、答えの多数決を取ることで、単発より正答しやすくする手法です（研究では算数・論理問題で効果が報告されています）。
「自分（モデル）の複数の答えの一貫性（consistency）を見る」という意味合いの名称です。
処理の流れ
- 同じプロンプト（またはCoT付き）で複数回生成する
- 各回の最終答え（数値・選択肢・Yes/No等）を抽出する
- 最多票の答えを採用する（同票ならルールで決める）
- 必要なら採用答えの推論過程を人が確認する
多様な経路を得るため、温度をやや高めにする、シードを変えるなどの工夫が使われます。
CoTとの組み合わせ
| 技法 | やること |
|---|---|
| Chain-of-Thought | 1回の生成内で段階的推論を促す |
| 自己整合性（本記事） | 複数回の生成結果を多数決する |
論文・実装ではCoTで複数の推論チェーンを生成→自己整合性で答えを選ぶという組み合わせが典型です。どちらか一方だけ、というわけではありません。
コストと限界
すり替えに注意
| 誤った説明 | 正しい理解 |
|---|---|
| 自己整合性＝アライメント | 多数決推論 vs 価値整合（アライメント） |
| 自己整合性＝RAG | 複数生成の多数決 vs 外部検索 |
| 多数決でハルシネーション消滅 | 全経路が同じ誤りなら誤る（TF-0460） |
| 自己整合性＝自己回帰 | 推論技法 vs モデルの生成性質（GPT） |
よくある質問
何回生成すればよい？
研究では5〜10回などが例にされます。試験では回数の暗記より「複数経路の多数決」という考え方で十分です。
業務で使える？
分類・抽出・数値判断など答えが离散値のタスク向きです。長文生成にはコスト対効果が低いことが多いです。
プロンプトエンジニアリングの一部？
はい。プロンプトエンジニアリングの技法ツールボックスの一つです。